-
题名声呐图像背景区域灰度统计特性分析与拟合
被引量：5
- 1
-
-
作者
夏平
伍呈呈
刘小妹
雷帮军
-
机构
三峡大学水电工程智能视觉监测湖北省重点实验室
三峡大学计算机与信息学院
-
出处
《声学技术》
CSCD
北大核心
2017年第4期315-319,共5页
-
基金
国家自然科学基金(联合基金)重点项目(U1401252)
国家自然科学基金资助项目(61272237)
湖北省重点实验室开放基金项目(2015KLA05)
-
文摘
利用声呐进行水下目标定位识别是当前水下目标识别与跟踪的重要手段之一,由于声呐图像受噪声影响严重、分辨率低,对声呐图像的背景建模有助于其目标分割与识别。首先,分析声呐图像背景区域灰度的统计特性,结合其特点采用高斯分布、Gamma分布、威布尔分布、瑞利分布模型对6类不同背景区域声呐图像统计特性进行拟合,构建声呐图像背景区域模型。最后,采用?2准则和Kolmogorov距离误差评价准则评估拟合效果。拟合结果表明,高斯分布、Gamma分布和威布尔分布均能较好地逼近声呐图像背景区灰度统计特性。为满足实时性的应用需求,选用高斯分布构建声呐图像背景灰度统计模型是可行、合理的方案,从而为声呐图像预处理和目标分割提供了背景模型建模的理论依据。
-
关键词
声呐图像
背景区域
灰度统计特性
威布尔分布
高斯分布
-
Keywords
sonar image
background
gray statistics characteristics
Weibull distribution
Gauss distribution
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
O427
[理学—声学]
-
-
题名基于粒子群算法和卡尔曼滤波的运动目标跟踪算法
被引量：5
- 2
-
-
作者
窦永梅
冀小平
杜肖山
-
机构
太原理工大学信息工程学院
-
出处
《现代电子技术》
2011年第8期133-136,共4页
-
文摘
针对目前一些常用的运动目标跟踪算法存在跟踪精度不高、实时性低、对遮挡问题处理不佳等问题,提出一种粒子群算法与卡尔曼滤波相结合的新的运动目标跟踪方法。利用卡尔曼滤波预测目标中心在下一帧图像中的位置,从而极大减少了搜索范围,并以该位置为中心建立目标搜索区域。然后以目标的灰度统计特征对目标模板和候选区域进行匹配,确保跟踪准确性。为了有效减少搜索匹配次数、提高实时性,利用粒子群算法在搜索区域找到和目标模板最相似的区域,从而找到最优中心位置,并以该位置作为卡尔曼滤波的观测值,进行下一帧跟踪。仿真实验结果表明新算法显著提高了跟踪的实时性、精确性,并对部分遮挡能较好地处理。
-
关键词
粒子群算法
卡尔曼滤波
运动目标跟踪
灰度统计特性
-
Keywords
particle swarm optimization（PSO）
Kalman filter
tracking of moving object
gray statistical characteristic
-
分类号
TN91-34
[电子电信—通信与信息系统]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
